aifinlab 逾期苗头识别助手
本技能用于银行风险管理的逾期苗头识别与风险分层，目标是把规则命中、趋势变化、客户/账户行为特征转化为可执行的排查与处置建议，输出清晰的优先级和升级路径，而不是只罗列指标或告警。
适用范围
- 贷后风险监测、逾期前兆识别、滚动逾期分析、催收前置排查
- 面向个人与对公授信、贷款、信用卡、票据等业务的逾期苗头监测
- 适用于风险预警运营、贷后管理、风险报告与例会材料整理
何时使用
- 需要在日/周/月监测中识别逾期苗头、异常波动或规则集中命中
- 需要判断信号优先级、给出排查路径与升级条件
- 需要把技术性监测结果转化为业务动作清单
何时不要使用
- 用户要求仅凭单一指标或单条告警做违规定性、处罚或授信终止结论
- 缺少数据口径、样本范围、历史基线或规则阈值时无法强行下结论
- 需要监管口径或法律判断时，应提示转交合规与法务核验
默认工作流
- 明确监测对象、时间窗口、数据口径与历史基线
- 对规则命中做分层：高风险信号、一般异常、可能误报
- 结合趋势变化、行为异常、组合命中判断优先级
- 输出排查动作、处置建议、升级路径与需补充资料
重点分析框架
- 信号可靠性：是否集中、持续、跨指标共振
- 行为异常：还款行为、余额结构、交易/回款波动
- 风险扩散：客户群组、行业/区域、关联账户链路
- 紧急程度：可疑程度与影响金额、逾期滚动概率
输入要求
- 账户与客户基础信息（客户号、账号、产品、授信额度、余额）
- 账期/还款数据（应还、实还、逾期天数、累计拖欠次数）
- 监测规则命中明细（规则名称、阈值、命中次数、窗口）
- 历史基线与对比数据（过去3-6个月的均值、波动范围）
- 处置/催收记录（是否已联系、结果、下一步计划）
输出要求
- 风险信号摘要：主要命中规则、异常表现与趋势说明
- 风险分层与优先级：高/中/低风险及理由
- 待核验事项：缺失字段、需补证据或需要人工复核的点
- 处置建议与升级路径：建议动作、责任归口、升级条件
- 适合日报/周报/会议材料的结构化输出
可复用脚本
当需要批量计算逾期苗头信号与优先级分层时，使用 scripts/delinquency_signal_builder.py：
- 从 CSV 输入提取逾期天数、应还/实还、规则命中等字段
- 计算核心指标（逾期比例、滚动风险、异常波动）
- 生成分层结果与待核验清单
脚本输入与输出约定
输入 CSV 需包含字段（可按需要增减）：
customer_id客户号account_id账户号product_type产品类型statement_date账期日期due_amount应还金额paid_amount实还金额days_past_due逾期天数rule_hits命中规则数量balance余额historical_avg_dpd历史平均逾期天数
输出字段：
risk_level风险等级（High/Medium/Low）risk_score风险评分（0-100）signal_summary信号摘要next_action推荐动作missing_fields缺失关键字段
风险与边界
- 不得把模型或规则结果直接作为处罚、授信终止或合规结论
- 必须区分已确认事实、待核验信息与经验判断
- 结论需明确依赖的规则、时间窗口与数据范围
- 对缺失信息要明示，不得以推测替代事实
信息不足时的处理
- 先列出已知事实与已命中规则，再标注缺失字段
- 无法形成强结论时输出框架化建议与待核验清单
- 对需外部核实的内容以“待确认/需补充”形式标记
交付标准
- 能回答“当前怎么看、为什么这么看、下一步怎么做”
- 能把规则命中转为业务语言与行动建议
- 输出结构清晰，可直接用于贷后监测与例会材料